A) Izračunavanje povprečij številčnih podatkov. B) Povzetek kategoričnih podatkov. C) ustvarjanje vizualnih predstavitev podatkov. D) Preučitev razmerja med spremenljivkami.
A) Vrsta uporabljenega statističnega testa. B) Kako dobro se model ujema z opazovanimi podatki. C) Število spremenljivk v modelu. D) Velikost nabora podatkov.
A) Neodvisnost opazovanj B) Linearnost C) Homoskedastičnost D) Normalna porazdelitev ostankov
A) Ko je model ravno pravšnji in se dobro posplošuje na nepoznane podatke. B) Kadar je model preveč zapleten in zajame šum v podatkih. C) Kadar je model preveč preprost in nima zadostne napovedne moči. D) Kadar se model popolnoma prilega podatkom za usposabljanje, vendar je neuspešen pri novih podatkih.
A) Logistična regresija B) Drevo odločanja C) PCA D) ANOVA
A) Natančno prileganje modela podatkom za učenje. B) Za avtomatizacijo celotnega postopka modeliranja. C) ustvarjanje novih vhodnih spremenljivk iz obstoječih podatkov za izboljšanje delovanja modela. D) Odstranitev vseh vhodnih spremenljivk razen najpomembnejše.
A) Ocenjevanje uspešnosti klasifikacijskega modela. B) Povzetek porazdelitve nabora podatkov. C) Oceniti ustreznost logistične regresije. D) Preverjanje predpostavke o linearnosti v regresijskih modelih.
A) Test Chi-kvadrat B) Navzkrižno preverjanje C) Regresijska analiza D) Analiza glavnih komponent
A) Raziskovanje vzročno-posledičnih povezav. B) Izris podatkovnih točk v dvodimenzionalnem prostoru. C) Ustvarjanje enega sestavljenega merila iz več spremenljivk. D) Združevanje podobnih podatkovnih točk na podlagi vzorcev ali značilnosti. |